《表2 时间性能比较:基于栈式循环神经网络的血液动力学状态估计方法》
首先需要说明的是,SRNN与NARX算法属于监督学习算法,需要使用大量的数据进行训练,使神经网络能够从数据中学习出其内在的映射规律.而DEM与SCKS则不需要进行预训练,可以直接输入BOLD信号,对血液动力学状态进行估计.因此,将神经网络在训练上的时间复杂度、它们的训练时间,以及所有算法在测试集样本上运行的时间进行了比较,如表2所示.其中,KD,KSC,KN,KSR分别表示各算法的迭代次数,T表示BOLD时间序列的长度,ns,np分别表示算法需要估计的血液动力学状态与模型参数的数量,本文中ns=4,np=7.在神经网络训练时间复杂度中,m表示训练批量大小,nhn与nhs表示神经网络的最大隐层数.
图表编号 | XD00166711000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 姚垚、冀俊忠 |
绘制单位 | 北京工业大学信息学部多媒体与智能软件技术北京重点实验室、北京人工智能研究院、北京工业大学信息学部多媒体与智能软件技术北京重点实验室、北京人工智能研究院 |
更多格式 | 高清、无水印(增值服务) |